Summary
本协议描述了一种客观的方法来评估上肢运动性能和感觉运动功能, 用于中风和健康控制的个体。给出了三维运动捕获的标准测试程序、运动学分析和结果变量。
Abstract
运动学分析是客观评估三维 (3D) 空间上肢运动的有力方法。三维运动捕获与光电摄像系统被认为是运动运动分析的黄金标准, 并越来越多地被用作评价运动性能和损伤后的质量的结果措施。涉及上肢运动。本文介绍了在中风后上肢损伤的个体中应用饮酒任务的运动学分析的标准化协议。饮酒任务包括到达, 抓住和举起一杯从桌子上喝, 把杯子放回, 并把手放回桌子的边缘。坐姿被标准化为个人的身体大小, 任务是在一个舒适的自我节奏的速度和补偿运动不受限制。目的是保持任务的自然性和贴近现实生活的情况, 提高议定书的生态有效性。5相机运动捕捉系统是用来收集3D 坐标位置从9反光标记定位在解剖地标的手臂, 躯干和面部。一个简单的单一标记放置用于确保协议在临床设置的可行性。定制的 Matlab 软件提供了自动化和快速的运动数据分析。计算了运动时间、速度、峰值速度、峰值速度和平滑度 (运动单元数) 随肩肘关节空间角运动学以及躯干运动的时间运动学。饮酒任务是一种有效的评估, 对轻度和轻微上肢损伤的个人。建立了由饮水任务所获得的运动变量的构造、判别和并发有效性以及响应 (灵敏度变化)。
Introduction
运动学分析描述身体通过空间和时间的运动, 包括线性和角位移, 速度和加速度。光电运动捕获系统使用多个高速摄像机, 它们要么发出红外线信号, 要么从放置在身体上的被动标记捕捉反射, 要么从含有红外线的活动标记中传输运动数据。发射二极管。这些系统被认为是获取运动学数据1的 "黄金标准"。这些系统的价值在于它们在测量不同任务时的高精度和灵活性。运动学措施已证明是有效的捕捉较小的运动性能和质量的变化, 可能会被发现与传统的临床规模2,3。有人建议, 运动学应用于区分真正的恢复 (恢复病前运动特性) 和使用补偿 (替代) 运动模式在完成任务 4, 5。
上肢运动可以用终点运动学来量化, 一般是从手标记中获得的, 以及关节和线段 (i. e) 的角运动学。终点运动学提供了有关轨迹、速度、时间运动策略、精度、直线度和平滑性的信息, 而角运动学则是从时间和空间关节和线段角度来描述运动模式的,角速度和 interjoint 协调。端点运动学 (如移动时间、速度和平滑度) 有效地捕获了中风后的缺陷和运动性能的提高6,7,8和角运动学显示是否关节和身体段的运动是最佳的特定任务。有损伤的人的运动学通常与没有损伤的个人的运动性能进行比较8,9。端点和角运动学是相关的方式, 运动进行有效的速度, 平滑度和精度将需要良好的运动控制, 协调, 并使用有效和最佳的运动模式。例如, 移动速度慢的患者通常也会显示平滑度下降 (移动单元数量增加), 最大速度降低, 躯干位移增加8。另一方面, 端点运动学的改进, 如运动速度和平滑度, 可能独立于躯干和臂的补偿运动策略的变化, 如10。研究表明, 运动学分析可以提供更多更准确的信息, 说明任务是如何在受伤或疾病后完成的, 这反过来也是个体化有效治疗达到最佳运动恢复的必要条件。11. 运动学分析越来越多地用于临床研究, 以描述中风后上肢损伤患者的运动8,9, 以评估电机恢复7, 12,13或确定治疗干预措施的有效性10,14。
在笔画中经常研究的运动任务是指向和达到的, 尽管使用包含实际日常对象的操作的功能任务正在增加1。由于达到的运动学取决于实验性的约束, 例如对象的选择和任务15的目标, 因此在有目的和功能的任务中评估运动是非常重要的, 在这个过程中, 个人的实际困难日常生活将更加紧密地反映出来。
因此, 本文的目的是提供一个简单的标准化协议, 用于运动分析一个有目的和功能任务, 饮酒任务, 适用于在急性和慢性阶段上肢损伤的个人中风后。本协议的结果, 为轻度和轻度中风损害的个人将总结。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
这里描述的所有方法都是瑞典哥德堡区域伦理审查委员会批准的研究的一部分 (318-04、225-08)。
1. 建立运动捕捉系统
- 在墙上安装4台摄像机, 大约 1.5-3 米, 距离测量区域的高度为 1.5-2.5 米, 面对测量区域。在测量区域上方的天花板上安装一台照相机 (图 1)。启动摄像系统。
- 将 L 形校准框放在表上, 并将短轴与表的边缘和长轴指向向前。
注意: 坐标系的定义是 X 轴定向 (前方在矢状平面), Y 轴向侧面 (在正面平面), Z 轴定向向上 (优越, 垂直于横向平面)。 - 打开3D 跟踪和数据采集软件 (跟踪管理器), 通过选择捕获 | 来开始校准. 校准, 输入三十年代的校准时间, 然后单击确定。
- 将魔杖在整个测量区域 (75 x 75 x 65 厘米) 的所有方向上移动到椅子和桌子上方, 以确保所有5摄像头在尽可能多的方向上捕获魔杖16,17。校准后, 结果显示在屏幕上。接受校准残差低于0.5 毫米。
- 有主题, 穿着无袖上衣, 坐在一个高度可调节的椅子上, 他们的背部对 chair´s 背部, 上臂在中性的 adducted 位置, 手掌的手放在桌子上, 手腕对准桌子的边缘。检查膝盖, 臀部和肘角大约是90°。
- 将反光无源标记与双粘胶带放在已测试手上的骨骼地标18上 (第三掌指关节关节)、腕关节 (尺骨茎过程)、肘关节 (侧向髁)、右、左肩 (中间部分肩), 胸部 (胸骨上部) 和前额 (在眉毛之间的凹槽)。
- 将两个标记放在杯子上 (上下边缘)。
2. 饮酒任务的行动捕获程序
- 将硬塑料杯 (直径7厘米, 高度9.5 厘米) 与100毫升水30厘米从表边缘, 在身体中线。将杯子放在桌上的位置被刻意选择, 以保持任务的性能自然, 贴近现实生活的情况。
- 让这个主题以一个舒适的自我节奏的速度来完成饮酒任务) 到达并抓住杯子, 二) 把杯子从桌子上抬到嘴上, iii) 喝一杯 (一小口), iv) 把杯子放回一条标记的线后面的桌子上 (30 厘米从标签le 边缘), 和 v) 返回到初始位置, 手在桌子的边缘。
- 确保主体了解说明书, 并能与不受影响的手臂舒适地到达杯子而不向前倾。
- 在每次录制之前, 请确保起始位置 (初始位置) 正确, 要求主题准备就绪, 手动启动捕获并给出口头指示 "现在可以开始了"。
- 当主题完成任务时, 请手动停止录制。
- 在每次试验中记录五项试验 (大约三十年代), 从受影响较小的手臂开始。
- 检查数据获取是否成功 (每个标识的标记的 95-100% 数据)。
注: 标记数据自动传送到数据采集软件 (跟踪管理器)。采用预定义的自动标记识别 (目标) 模型对标记进行自动识别。 - 当检测到不完整的数据时, 在发现问题后进行额外的试验, 调整坐姿或标记位置, 以确保标记的充分可见性, 以获得至少3项成功的试验。
注意: 可能出现的问题是标记可能会脱落, 或者从摄像机的视角遮挡, 从而导致数据不完整。但是, 在本协议中使用的摄像机和标记设置, 仅在极少数情况下造成数据丢失。总体而言, 运动捕获会话需要大约 10-15 分钟才能完成。
3. 数据分析
- 通过单击文件 |, 将记录的数据从跟踪管理器直接传输到 Matlab 中. 出口 |直接插入到 Matlab中。
- 在命令提示符下使用 matlab 命令: (> > 工作区) 查看 matlab 变量集。
注意: 包含用于指令和创建分析的数据的关键 Matlab 变量有:
QTMmeasurements 帧-捕获的帧数
QTMmeasurements. 帧率-每秒捕获的帧数 (240)
QTMmeasurements.Trajectories.Labeled.Count-标签数量 (10)
QTMmeasurements.Trajectories.Labeled.Labels-在跟踪管理器中定义的标签
QTMmeasurements.Trajectories.Labeled.Data 测量数据在3D 阵列的 10 x 3 x 的帧数, 其中每个帧和每个标签3坐标被记录 - 在 Matlab 中, 使用 (黄油) 和 (filtfilt) 指令与一个6Hz 的二阶北海滤波器在正反方向上过滤 x、y、z 值, 给出零相位失真和来回序滤波。
注: 示例
[b, a] = 黄油 (2, 6/240/2);% 截止频率6Hz 和关于½采样频率
xfiltered = filtfilt (b, a, QTMmeasurements. 轨迹. 标记 (11,:)); - 在 Matlab 中, 创建一个程序来使用每个帧样本的 x、y、z 值以及每个标签来计算运动变量, 如手的切向速度和关节角度。运动学变量显示在表 2中。
- 在 Matlab 中, 创建一个程序, 将样本序列分解为5个逻辑阶段: 到达、转发传输、饮用、向后传输以及将手返回到初始位置 (图 2)。每个阶段的开始和结束的定义在表 1中详细显示。
- 在 Matlab 中, 使用 (绘图) 指令创建位置、速度、连接角和角度图的地块。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
本文中描述的协议已应用于中风和健康控制的个人2,6,8,19,20,21。在不同的研究中, 对111例中风患者和55例健康对照组的运动学数据进行了分析。中风后上肢损伤定义为中等 (FMA 评分 32-57) 或轻度 (FMA 评分 58-66)8,22,23,24。在健康控制中, 除峰值速度外, 显性和非显性臂之间没有显著差异, 因此选择了非显性臂进行比较28。大多数数据是在一项大型纵向队列研究中收集的, 这是哥德堡大学 (SALGOT) 的中风手臂纵向研究, 其中包括122名中风患者的非选择样本, 在3天后进行评估。中风和随访时间为10天、4周、3、6和12月25。
总之, 我们的研究结果表明, 该协议在临床上是可行的, 因为大量的病人在中风后3天在急性医院卒中组进行了测试。另外, 有两个经验丰富的物理治疗师在没有任何更大的技术问题的情况下, 每天都设法校准和使用运动捕捉系统 (在3年的数据中不需要系统提供者的支持), 也证明了可行性。集合)。数据质量良好, 可采用预编程的自动分析程序。仅在少量录音, 阶段不正确地被发现了, 经常归结于运动的开始或末端的额外运动或, 当运动速度是极端低的患者以更加严重的损伤。在这些情况下, 额外的试验通常是在人工检查绘制的数据之后使用的。该测试协议在健康个体的测试复验中表现出良好的一致性, 并提供了明确而准确的结果19。
尽管每个阶段的相对时间与控件21类似, 但在使用中风的人中, 每个阶段的饮酒任务和整个任务的移动速度都较慢 (表 3)。同样, 与健康控制相比, 中风患者的切线和角速度都较低 (表 3)。峰值速度约为中风总到达时间的 38%, 控制中有 46%, 这意味着在中风时, 减速期延长。这表明, 有中风的人需要更多的依赖于反馈驱动的运动控制在下半场到达。
脑卒中患者的速度剖面被分割并显示多个峰值, 这反映在运动单元 (NMU) 的高数量上。与对照组相比, 中风患者的平均 NMU 值明显较大。中风的个体用更弯曲的肘部 (较少的肘关节伸展) 到达杯子, 并且与健康参与者相比, 在饮酒时肩部更被绑架, 这反映了中风的补偿运动模式。尽管玻璃被放置在手臂伸手可及的范围内, 但在执行饮酒任务时, 有中风的个体在控制中的前倾 (躯干移位) 约为8厘米, 而对照组则为3厘米。相对于对照组, 仅观察到有较高损伤程度 (中度中风) 的个体, 肩关节和肘部的 interjoint 协调减少。所有组的运动学和效果大小的精确值都显示在表 3中。
从饮酒任务的运动变量的构造有效性分析表明, 中风后的运动可以用两个主要因素来描述, 即终点运动学和运动学描述角运动模式8。总共五项措施 (运动时间、峰值速度、运动单元数、肘关节峰值角速度和躯干位移) 解释了86% 的运动学数据8的方差。这些结果与同期有效性分析一致, 其中三个运动学变量, 运动时间 (MT), 运动平滑度 (NMU) 和躯干移位 (TD), 一起解释了67% 的总方差的临床评估评分的评估与行动研究胳膊测试20。脑卒中后轻度和中度臂损伤组间的判别效度对大多数运动学均有好处, 但在平滑度、总运动时间、肘尖角速度 (铺筑) 上均有最大影响大小。和主干移位 (表 3)8。在饮酒过程中, 肩上的诱拐也是中等和轻度中风组之间的区别。此外, 同样的四运动学变量: MT, NMU, 铺路, 和 TD 证明是有效的检测后的前3月中风6的实际临床改善。因此, 可以得出结论, 这四运动学变量 (MT, NMU, 铺路, TD) 是可靠的, 有效的和敏感的变化 (反应性) 评估的上肢功能和活动后中风。
图 1: 用于饮酒任务的5摄像头运动捕获系统.从每台摄像机中, 红外光闪烁达到复古反射标记, 再现了相机图像传感器中标记的2D 位置, 具有较高的空间分辨率和实时性。当两个摄像机从两个不同的角度查看同一标记时, 将创建标记的3D 坐标。四台摄像机安装在测试区域周围的墙壁上, 在大约2米的距离处, 一个摄像头从测量区域上方的天花板向下安装。请单击此处查看此图的较大版本.
图 2: 健康控制 (a) 和具有中等中风损害的个人的典型速度剖面 (B).显示饮酒任务的阶段。请单击此处查看此图的较大版本.
| 阶段名称 | 开始 | 检测者 | 结束 | 检测者 |
| 深远 (包括抓地) |
手动开始 | 手标速度超过峰值速度的 2% (从峰值速度向后搜索);如果此值大于20毫米/秒, 则开始向后跟踪到速度不小于或等于20毫米/秒的点。 | 手开始用玻璃向嘴移动 | 玻璃的速度超过15毫米/秒 |
| 转发运输 (玻璃到嘴) |
手开始用玻璃向嘴移动 | 玻璃的速度超过15毫米/秒 | 饮酒开始 | 在饮酒期间, 脸部和玻璃标记之间的距离低于15% 的稳态 * |
| 喝 | 饮酒开始 | 在饮酒期间, 脸部和玻璃标记之间的距离低于15% 的稳态状态。 | 饮酒结束 | 在饮酒过程中, 脸部和玻璃标记之间的距离超过了15% 的稳态状态。 |
| 背面运输 (玻璃到桌, 包括掌握的发行) | 手开始移动把玻璃放回桌子上 | 在饮酒过程中, 脸部和玻璃标记之间的距离超过了15% 的稳态状态。 | 手松开玻璃, 开始移动回到初始位置 | 玻璃的速度低于10毫米/秒 |
| 返回 (手回到最初的位置) |
手松开玻璃, 开始移动回到初始位置 | 玻璃的速度低于10毫米/秒 | 手在初始位置休息 | 手标记速度返回到峰值速度的2% |
| * 在饮用阶段的稳态状态表明100帧的平均值围绕着脸部和玻璃标记之间最短的距离 | ||||
表 1: 饮酒任务各阶段开始和结束阶段的定义。
| 变量 | 规范 |
| 端点运动学 | 从手标记计算 |
| 移动时间, s | 计算每个阶段和整个任务的总移动时间;表1中提供了开始和停止的定义 |
| 峰值切向速度, 毫米/秒 | 计算为到达阶段, 结合胳膊和树干运动 |
| 时间到峰值手速度, s,% | 绝对和相对价值为到达, characteraizes 运动战略 (加速度和减速时间) |
| 时间到第一速度峰值, s,% | 绝对和相对价值为到达, characteraizes 最初的运动努力 |
| 移动单元数, n | 计算为到达, 向前运输, 后面运输和回归阶段。一个运动单元被定义为一个局部最小值和下一个最大速度值之间的差异, 超过了20毫米/秒的振幅限制, 而随后两个峰值之间的时间必须至少为150毫秒. 饮酒任务的最低价值为4。, 每个运动阶段至少有一个单位。这些峰值反映了在到达时重复加速和减速, 并对应于运动平滑度和效率。 |
| 角运动学, 度 | 肩肘关节计算 |
| 弯头延伸 | 在到达阶段检测到的肘屈屈曲的最小角, 由连接肘部和腕标记的向量与肘关节和肩部标记的夹角决定 |
| 肩绑架 | 在到达和饮用阶段, 分别检测到锋面的最大角;由连接肩和肘标记的向量和从肩标记向臀部的垂直向量的角度确定 |
| 肩部屈曲 | 在到达和饮酒过程中, 分别检测到矢状平面的最大角;由连接肩和肘标记的向量和从肩标记向臀部的垂直向量的角度确定 |
| 肘关节的峰值角速度, 度/秒 | 在到达阶段检测到的肘伸长峰值速度 |
| Interjoint 协调, r | 在到达阶段, 肩部屈曲与肘关节伸展之间零时间滞后的颞交叉相关性。皮尔逊的相关系数接近1表示较强的相关性, 表明两个关节的关节运动紧密耦合。 |
| 树干位移, 毫米 | 在整个饮酒任务中, 胸部标记的最大位移从初始位置 |
表 2: 在代表性结果中提出的研究中使用的运动学变量的定义。
| 运动变量, 平均值 (SD) | 健康 | 中风 | 效果大小 (健康 vs 中风) | 温和 中风 |
效果大小 (健康 vs 轻度中风) |
中等冲程 | 效果大小 (轻度中风与中度中风) |
| 端点运动学 | |||||||
| 总移动时间, s | 6.49 (0.83) | 11.4 (3.1) | 0.54 * | 9.30 (1.68) | 0.46 * | 13.3 (2.9) | 0.44 * |
| 数字移动单位 (平滑度), n | 2.3 (0.3) | 8.4 (4.2) | 0.54 * | 5.4 (2.1) | 0.42 * | 11.1 (3.6) | 0.50 * |
| 达到的峰值速度, 毫米/秒 | 616 (93.8) | 431 (82.7) | 0.54 * | 471 (87.7) | 0.37 * | 395 (62.0) | 0.22 * |
| 峰值角速度弯头, 达到, °/秒 | 121.8 (25.3) | 64.9 (20.5) | 0.62 * | 78.0 (19.3) | 0.57 * | 53.3 (13.6) | 0.38 * |
| 到达峰值速度的时间,% | 46.0 (6.9) | 38.4 (8.6) | 0.20 * | 39.5 (8.7) | 0.15 * | 37.5 (8.8) | 0.01 |
| 到达第一峰值的时间,% | 42.5 (6.9) | 27.1 (12.2) | 0.39 * | 33.0 (9.9) | 0.25 * | 21.8 (11.9) | 0.22 * |
| 角关节运动学 | |||||||
| 手肘延伸在伸手可及的程度 | 53.5 (7.8) | 64.1 (11.5) | 0.24 * | 60.5 (10.4) | 0.13 | 67.2 (11.9) | 0.09 |
| 饮酒中的肩部绑架程度 | 30.1 (10.1) | 47.6 (14.9) | 0.33 * | 37.2 (5.3) | 0.07 | 57.1 (14.5) | 0.47 * |
| 树干位移, 毫米 | 26.7 (16.8) | 77.2 (48.6) | 0.34 * | 50.1 (22.9) | 0.26 * | 101.7 (53.4) | 0.30 * |
| Interjoint 协调, 皮尔逊 r | 0.96 (0.02) | 0.82 (0.35) | 0.08 | 0.95 (0.02) | 0.03 | 0.69 (0.46) | 0.14 |
| * p < 0.05;效果大小统计信息计算为埃塔平方, η2 | |||||||
表 3: 有中风的个体的运动学变量, 对于中度和轻度上肢损伤的亚群以及健康的控制.0.4 以上的组 (非常大的效果) 之间的区分效果大小被标记为粗体。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
该协议可以成功地用于量化的运动性能和质量的个人在中等和轻度上肢感觉运动损伤的所有阶段后中风。本协议的可行性在中风后的3天内已在临床上得到证实, 并表明该系统可由训练有素的健康专业人士使用, 没有特定的技术资格。然而, 需要技术专长来创建和开发一个数据分析程序。从这个方面来说, 上肢运动捕捉不同于步态分析, 在这种情况下, 现成的分析程序通常由制造商直接提供。在日常生活中, 手臂和手可以用在许多不同的任务中, 包括在不同的大小、地点和启示中进行操控和相互作用。这使得每个设置都是唯一的。此外, 任务的不同目标和约束也会影响运动学结果, 因为运动学是高度任务特定的。今后, 应作出更多努力, 为基本任务的运动学分析建立标准化的协议, 例如饮酒、进食、洗手和双手对象操作, 这将使比较结果与不同的研究。
根据我们早期的经验, 用3相机捕获系统, 在其中观察到分割和间隙的问题, 可以建议一个5相机系统, 允许不同位置的相机 (和一个以上的测量区域) 是最佳的上肢分析。为临床上可行的测量设置, 可以提倡一个简单的设置, 数量有限的标记和简化的分析, 如本议定书所述。当评估运动表现和质量的目的是跟踪患者的康复, 预测未来的结果, 选择最佳治疗方案, 或评估治疗和康复干预的效果, 简单, 易于使用方法就足够了。另一方面, 更详细的建模需要使用基于簇的标记进行更全面的生物力学分析, 特别是当轴向关节旋转和肩部复合物感兴趣时。
在神经学和脑卒中康复领域的许多研究都提倡对运动分析的临床应用的增加。客观有效的评估运动功能的方法在自然活动和任务是非常感兴趣的临床医生和研究人员。最近的一份协商一致文件建议在今后的中风试验中加入运动学措施, 同时进行临床评估, 以区分真正的恢复和补偿11。虽然存在挑战, 但要确定一组核心的运动学结果和任务, 以便纳入试验, 并鼓励调查人员之间更广泛的协作, 以达成一致意见11。当前的3D 移动捕获协议以及对此协议的已发布的验证研究可以在这个方向上迈出一步。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
作者没有什么可透露的。
Acknowledgments
特别感谢博 Johnels, 纳赛尔 Hosseini, 罗伊 Tranberg 和帕特里克 Almström 帮助启动这个项目。本议定书所载的研究数据是在 Sahlgrenska 大学医院收集的。
Materials
| Name | Company | Catalog Number | Comments |
| 5 camera optoelectronic ProReflex Motion capture system (MCU 240 Hz) | Qualisys AB, Gthenburg, Sweden | N/A | Movement analysis system with passive retroreflective markers |
| Markers | Qualisys AB, Gthenburg, Sweden | N/A | Retroleflective passive circular markers, diameter of 12 mm |
| Calibration frame and wand | Qualisys AB, Gthenburg, Sweden | N/A | L-shape calibration frame (defines the origin and orientation of the coordinate system); T-shape wand (300 mm) |
| Qualisys Track Manager | Qualisys AB, Gthenburg, Sweden | N/A | 3D Tracking software |
| Matlab | Mathworks, Inc, Natick, Ca | N/A | Data analysis software |
References
- Alt Murphy, M., Häger, C. K. Kinematic analysis of the upper extremity after stroke - how far have we reached and what have we grasped? Physical Therapy Reviews. 20 (3), 137-155 (2015).
- Bustren, E. L., Sunnerhagen, K. S., Alt Murphy, M. Movement Kinematics of the Ipsilesional Upper Extremity in Persons With Moderate or Mild Stroke. Neurorehab Neural Re. 31 (4), 376-386 (2017).
- Sivan, M., O'Connor, R. J., Makower, S., Levesley, M., Bhakta, B. Systematic review of outcome measures used in the evaluation of robot-assisted upper limb exercise in stroke. J Rehabil Med. 43 (3), 181-189 (2011).
- Demers, M., Levin, M. F. Do Activity Level Outcome Measures Commonly Used in Neurological Practice Assess Upper-Limb Movement Quality? Neurorehab Neural Re. 31 (7), 623-637 (2017).
- Levin, M. F., Kleim, J. A., Wolf, S. L. What do motor "recovery" and "compensation" mean in patients following stroke? Neurorehab Neural Re. 23 (4), 313-319 (2009).
- Alt Murphy, M., Willen, C., Sunnerhagen, K. S. Responsiveness of Upper Extremity Kinematic Measures and Clinical Improvement During the First Three Months After Stroke. Neurorehab Neural Re. 27 (9), 844-853 (2013).
- van Dokkum, L., et al. The contribution of kinematics in the assessment of upper limb motor recovery early after stroke. Neurorehab Neural Re. 28 (1), 4-12 (2014).
- Alt Murphy, M., Willen, C., Sunnerhagen, K. S. Kinematic variables quantifying upper-extremity performance after stroke during reaching and drinking from a glass. Neurorehab Neural Re. 25 (1), 71-80 (2011).
- Subramanian, S. K., Yamanaka, J., Chilingaryan, G., Levin, M. F. Validity of movement pattern kinematics as measures of arm motor impairment poststroke. Stroke. 41 (10), 2303-2308 (2010).
- Michaelsen, S. M., Dannenbaum, R., Levin, M. F. Task-specific training with trunk restraint on arm recovery in stroke: randomized control trial. Stroke. 37 (1), 186-192 (2006).
- Kwakkel, G., et al. Standardized measurement of sensorimotor recovery in stroke trials: Consensus-based core recommendations from the Stroke Recovery and Rehabilitation Roundtable. Int J Stroke. 12 (5), 451-461 (2017).
- Wagner, J. M., Lang, C. E., Sahrmann, S. A., Edwards, D. F., Dromerick, A. W. Sensorimotor impairments and reaching performance in subjects with poststroke hemiparesis during the first few months of recovery. Phys Ther. 87 (6), 751-765 (2007).
- van Kordelaar, J., van Wegen, E., Kwakkel, G. Impact of time on quality of motor control of the paretic upper limb after stroke. Arch Phys Med Rehab. 95 (2), 338-344 (2014).
- Thielman, G., Kaminski, T., Gentile, A. M. Rehabilitation of reaching after stroke: comparing 2 training protocols utilizing trunk restraint. Neurorehab Neural Re. 22 (6), 697-705 (2008).
- Armbruster, C., Spijkers, W. Movement planning in prehension: do intended actions influence the initial reach and grasp movement? Motor Control. 10 (4), 311-329 (2006).
- Qualisys. Qualisys Track Manager user manual. , Qualisys Medical AB. Gothenburg. (2008).
- Alt Murphy, M., Banina, M. C., Levin, M. F. Perceptuo-motor planning during functional reaching after stroke. Exp Brain Res. , (2017).
- Sint Jan, S. V. Color atlas of skeletal landmark definitions : guidelines for reproducible manual and virtual palpations. , Churchill Livingstone. (2007).
- Alt Murphy, M., Sunnerhagen, K. S., Johnels, B., Willen, C. Three-dimensional kinematic motion analysis of a daily activity drinking from a glass: a pilot study. J Neuroeng Rehabil. 3, 18 (2006).
- Alt Murphy, M., Willen, C., Sunnerhagen, K. S. Movement kinematics during a drinking task are associated with the activity capacity level after stroke. Neurorehab Neural Re. 26 (9), 1106-1115 (2012).
- Alt Murphy, M. Development and validation of upper extremity kinematic movement analysis for people with stroke. Reaching and drinking from a glass. , University of Gothenburg. Doctor of Philosophy (Medicine) thesis (2013).
- Persson, H. C., Alt Murphy, M., Danielsson, A., Lundgren-Nilsson, A., Sunnerhagen, K. S. A cohort study investigating a simple, early assessment to predict upper extremity function after stroke - a part of the SALGOT study. BMC Neurol. 15, 92 (2015).
- Hoonhorst, M. H., et al. How Do Fugl-Meyer Arm Motor Scores Relate to Dexterity According to the Action Research Arm Test at 6 Months Poststroke? Arch Phys Med Rehab. 96 (10), 1845-1849 (2015).
- Pang, M. Y., Harris, J. E., Eng, J. J. A community-based upper-extremity group exercise program improves motor function and performance of functional activities in chronic stroke: a randomized controlled trial. Arch Phys Med Rehab. 87 (1), 1-9 (2006).
- Alt Murphy, M., et al. SALGOT - Stroke Arm Longitudinal study at the University of Gothenburg, prospective cohort study protocol. BMC Neurol. 11, 56 (2011).
